Przejdź do treści

Dyktowanie

Dyktowanie do dowolnej aplikacji: lokalny Whisper w Windows

Dyktowanie do dowolnej aplikacji w Windows: skrót Ctrl+Shift+Space, tekst w aktywnym oknie, rozpoznawanie mowy na komputerze i brak limitu w każdym planie.

Zespół MantregoOpublikowano 8 min czytania

Spis treści
  1. Dyktowanie do dowolnej aplikacji: jak działa pasek
  2. Skrót Ctrl+Shift+Space
  3. Wklejanie do aktywnego okna i przywrócenie schowka
  4. Dyktowanie lokalne: jak działa
  5. Model 547 MB pobierany raz
  6. Co jest lokalne, a co wymaga serwera
  7. Kiedy przepisuje serwer i jak to widać
  8. Pasek zawsze pod ręką
  9. Co aplikacja robi na komputerze, a czego nie
  10. Szybkość: pojedynczy pomiar
  11. Scenariusz: trzy teksty w ciągu dnia
  12. Odpowiedź na maila
  13. Opis zadania
  14. Notatka po spotkaniu
  15. Jak dyktować, żeby mniej poprawiać
  16. Czego Mantrego nie robi
  17. Zainstaluj Mantrego na Windows

Dyktowanie do dowolnej aplikacji w Windows działa w Mantrego tak: naciskasz Ctrl+Shift+Space, mówisz, naciskasz skrót ponownie, a tekst pojawia się w oknie, w którym zacząłeś. Mowę rozpoznaje model Whisper uruchomiony na Twoim komputerze, więc dźwięk nie opuszcza komputera, a dyktowanie nie ma limitu w żadnym planie, także w Free. Poniżej opisujemy, jak to działa, ile trwa i gdzie są granice.

Ostatnia weryfikacja faktów: 7 października 2026.

Wbudowane narzędzia Windows (Win+H, dostęp głosowy) porównujemy osobno we wpisie dyktowanie w Windows 11. Tutaj opisujemy tylko pasek Mantrego i lokalny Whisper.

Dyktowanie do dowolnej aplikacji: jak działa pasek

Po instalacji aplikacji Mantrego na Windows nad paskiem zadań pojawia się wąski pasek. Jest zawsze na wierzchu, także gdy główne okno jest zamknięte do zasobnika, i nie zabiera fokusu z aplikacji, w której piszesz. Po najechaniu myszą rozwija się i pokazuje mikrofon, podpowiedź skrótu, przycisk spotkania i menu.

Skrót Ctrl+Shift+Space

Dyktowanie uruchamiasz skrótem w dowolnej aplikacji: w Wordzie, przeglądarce, Slacku, kliencie poczty czy edytorze kodu.

  1. Ustaw kursor tam, gdzie ma trafić tekst.
  2. Naciśnij Ctrl+Shift+Space.
  3. Mów. Słupki na pasku pokazują rzeczywisty poziom mikrofonu.
  4. Naciśnij skrót ponownie, żeby zakończyć.
  5. Po chwili pojawia się napis „Wklejono.”, a pasek sam się zwija.

Przycisk X anuluje dyktowanie, kwadrat je kończy. Skrót zmienisz w menu paska albo w menu ikony Mantrego w zasobniku: możesz wybrać gotowy zestaw albo własną kombinację z co najmniej dwoma modyfikatorami, w tym Ctrl lub Alt. Klawisze F13-F24 mogą działać same. Gdy skrót zajmuje inna aplikacja, Mantrego o tym powie i zostawi poprzedni.

Pierwsze dyktowanie po uruchomieniu aplikacji pyta o zgodę na mikrofon. Zgoda obowiązuje do zamknięcia aplikacji lub ukrycia paska. W tym czasie mikrofon włączy się bez kolejnego pytania, ale tylko po skrócie lub kliknięciu w pasek, zawsze z widocznym wskaźnikiem nagrywania.

Wklejanie do aktywnego okna i przywrócenie schowka

Tekst trafia do okna, które było aktywne w chwili startu dyktowania. Mantrego wkleja go przez schowek, a potem przywraca jego poprzednią zawartość, chyba że w międzyczasie skopiowałeś coś innego. Jeśli wklejenie się nie uda, tekst zostaje w schowku, a pasek o tym mówi. Jeśli nie było okna docelowego, schowek się nie zmienia, a pasek przez 15 sekund pokazuje przycisk Kopiuj.

Dyktowanie lokalne: jak działa

W aplikacji Windows dyktowanie domyślnie przepisuje mowę na komputerze, programem whisper.cpp. To port modelu Whisper firmy OpenAI napisany w C i C++, udostępniany na licencji MIT. Program jest częścią instalatora, a przed każdym uruchomieniem aplikacja sprawdza sumy kontrolne jego plików.

Model 547 MB pobierany raz

Do rozpoznawania mowy potrzebny jest model Whisper large-v3-turbo. Zajmuje 547 MB i nie jest częścią instalatora. Aplikacja pobiera go raz:

  • przy pierwszym dyktowaniu lokalnym, albo
  • po kliknięciu Pobierz model w menu paska lub zasobnika.

Postęp widać w menu i jako cienki pasek na widgecie. Pobieranie można wstrzymać i wznowić, także po zamknięciu aplikacji. Plik jest sprawdzany sumą SHA-256 zapisaną w aplikacji; plik niezgodny jest usuwany i nigdy nie trafia do transkrypcji.

Co jest lokalne, a co wymaga serwera

Po pobraniu modelu samo przepisywanie mowy odbywa się na Twoim komputerze, a dźwięk go nie opuszcza. Aplikacja i pasek nadal wymagają połączenia z serwerem mantrego.com, żeby działać, więc to nie jest tryb pracy bez sieci. Nagranie na czas przepisywania trafia do pliku tymczasowego o losowej nazwie i jest usuwane zaraz po przepisaniu.

Język ustawisz w menu: polski (domyślnie) albo wykrywany automatycznie. Automatyczne wykrywanie przydaje się, gdy dyktujesz na zmianę po polsku i po angielsku, na przykład odpowiedź do zagranicznego klienta.

Kiedy przepisuje serwer i jak to widać

Są dwie sytuacje, w których nagranie może przepisać serwer Mantrego zamiast komputera: model jeszcze się pobiera albo transkrypcja lokalna się nie udała. Zanim dźwięk trafi na serwer, pasek od razu to pokazuje:

  • napis „Przepisywanie na serwerze: dźwięk opuszcza komputer.”,
  • przy pobieranym modelu „Model lokalny się pobiera (X%), tym razem przepisze serwer”,
  • w trakcie nagrania znacznik Serwer, a po wklejeniu „Tekst przepisał serwer”.

Jeśli nie chcesz, żeby dźwięk kiedykolwiek opuszczał komputer, wyłącz w menu paska opcję „Gdy dyktowanie lokalne nie jest gotowe, przepisz na serwerze”. Wtedy pasek poprosi o poczekanie na model. Możesz też na stałe wybrać tryb „Serwer” w sekcji Transkrypcja. Dyktowanie przez serwer liczy się do minut transkrypcji i dziennego limitu audio w planie.

Pasek zawsze pod ręką

Żeby dyktowanie było odruchem, pasek musi być dostępny bez szukania. Dlatego aplikacja Windows pilnuje go sama:

  • Pasek jest włączony od razu po starcie aplikacji, bez klikania.
  • Wraca po zamknięciu głównego okna, po zmianie monitora lub rozdzielczości, po wybudzeniu komputera i po ponownym uruchomieniu Eksploratora Windows.
  • Zainstalowana wersja przy pierwszym uruchomieniu włącza opcję Uruchamiaj z systemem. Po zalogowaniu do Windows widać wtedy tylko pasek i ikonę w zasobniku, bez głównego okna. Opcję wyłączysz w menu zasobnika albo w menu paska.
  • Pasek możesz przeciągnąć uchwytem w inne miejsce. Pozycja Przywróć położenie w menu wraca do ustawienia automatycznego.

Pasek ukryjesz tylko świadomie, w menu ikony Mantrego w zasobniku (Ukryj pasek dyktowania). Gdy jest ukryty, a zaczniesz dyktować skrótem, pojawi się na czas nagrania, żeby było widać, że mikrofon działa, i potem znów się schowa.

Co aplikacja robi na komputerze, a czego nie

Dyktowanie do innych aplikacji wymaga wklejania tekstu do cudzych okien, więc warto wiedzieć, jakie ma uprawnienia. Do wklejania Mantrego używa małego programu pomocniczego. Według dokumentacji aplikacji ten pomocnik nie instaluje haków klawiatury ani myszy i nie czyta zawartości okien. Przyjmuje wyłącznie ustalone polecenia.

Program whisper.cpp działa bez powłoki systemowej i bez portu sieciowego, z ograniczonym czasem pracy. Wklejenie jest możliwe raz na jedno rozpoczęcie dyktowania i najwyżej 6 razy na minutę, a pobieranie modelu da się uruchomić tylko kliknięciem lub klawiszem zarejestrowanym przez aplikację, najwyżej 3 razy na godzinę. Te limity chronią przed sytuacją, w której jakaś strona lub skrypt próbowałby uruchamiać mikrofon albo zajmować procesor bez Twojej wiedzy.

Szybkość: pojedynczy pomiar

Czas przepisywania zależy od procesora. Zmierzyliśmy go na jednym komputerze z procesorem Intel 13. generacji (24 wątki, bez karty graficznej):

Długość wypowiedziCzas przepisania
10 sekund mowyokoło 2,5 sekundy
30 sekund mowyokoło 9-10 sekund

To pojedynczy pomiar, a nie średnia z wielu komputerów. Słabsze komputery potrzebują proporcjonalnie więcej czasu. Na czas przepisywania program zajmuje do 16 wątków procesora i około 750 MB pamięci, a potem ją zwalnia. W praktyce lepiej dyktować krótszymi porcjami, po jednym akapicie, niż mówić bez przerwy przez kilka minut.

Scenariusz: trzy teksty w ciągu dnia

Poniżej trzy sytuacje z pracy managera, w których dyktowanie oszczędza pisania. Przykłady są fikcyjne.

Odpowiedź na maila

Klient pyta o termin startu kampanii. Otwierasz odpowiedź w przeglądarce, ustawiasz kursor i mówisz: „Dzień dobry, potwierdzam start kampanii trzeciego listopada. Do piątku wyślę trzy warianty reklam do akceptacji. Pozdrawiam”. Po wklejeniu poprawiasz tylko datę na „3 listopada” i wysyłasz.

Opis zadania

W narzędziu do zadań tworzysz zadanie „Warianty reklam z kodem rabatowym” i w polu opisu dyktujesz, czego oczekujesz: liczba wariantów, ton, ograniczenia znaków, termin. Mówiąc, łatwiej dodać szczegóły, które przy pisaniu na klawiaturze kusi pominąć.

Notatka po spotkaniu

Zaraz po rozmowie otwierasz szablon notatki i dyktujesz decyzje i zadania, zanim zapomnisz szczegóły. Gotowy szablon i zasady jego wypełniania znajdziesz we wpisie notatki ze spotkania: szablon.

Jak dyktować, żeby mniej poprawiać

  • Mów pełnymi zdaniami i rób krótką pauzę na końcu zdania.
  • Przed nazwą własną zrób sekundę przerwy. Nazwy produktów i firm i tak sprawdź po wklejeniu.
  • Liczby, daty i kwoty przejrzyj zawsze, zanim wyślesz tekst.
  • Nie dyktuj w czasie, gdy w tle gra muzyka albo ktoś rozmawia obok. Mikrofon słyszy wszystko.
  • Gdy pasek pokaże „Nie rozpoznano mowy”, nagranie było puste. Mantrego nie przepisuje ciszy, bo model Whisper potrafi wtedy wymyślić krótkie zdanie, którego nikt nie powiedział.

Czego Mantrego nie robi

  • Nie działa na Macu, iOS ani w aplikacji na Androida. Pasek dyktowania do dowolnej aplikacji jest tylko w aplikacji Windows.
  • Dyktowanie w przeglądarce nie jest lokalne i nie jest bez limitu: idzie przez serwer i liczy się do minut transkrypcji.
  • Nie przyjmuje dowolnie długich nagrań: fragment do 60 sekund, łącznie do 15 minut dźwięku na jedno dyktowanie i najwyżej 10 transkrypcji lokalnych na minutę.
  • Nie obiecuje bezbłędnego tekstu. Model rozpoznawania mowy myli się przy nazwach własnych, szumie i niewyraźnej wymowie, więc tekst warto przeczytać przed wysłaniem.
  • Nie wysyła niczego sam. Tekst trafia do okna, w którym go wkleisz, a co dalej, decydujesz Ty.

Jak dyktowanie lokalne wypada na tle Wispr Flow i innych aplikacji, porównujemy we wpisie alternatywy dla Wispr Flow na Windows.

Zainstaluj Mantrego na Windows

Instalację krok po kroku opisuje poradnik jak zainstalować Mantrego na Windows, a wszystkie ustawienia paska poradnik jak używać paska dyktowania w Windows.

Załóż darmowe konto i zainstaluj aplikację Windows. Dyktowanie lokalne jest bez limitu w każdym planie, także w Free.

Najczęstsze pytania

Czy dyktowanie w Mantrego ma limit?
Dyktowanie lokalne w aplikacji Windows nie ma limitu planu, także w planie Free. Są tylko limity techniczne: fragment nagrania do 60 sekund, do 15 minut dźwięku na jedno dyktowanie i najwyżej 10 transkrypcji lokalnych na minutę. Dyktowanie w przeglądarce idzie przez serwer i liczy się do minut transkrypcji.
Czy dźwięk opuszcza komputer?
Przy dyktowaniu lokalnym nie. Mowę przepisuje program whisper.cpp na Twoim komputerze. Gdy model jeszcze się pobiera albo transkrypcja lokalna się nie uda, nagranie może przepisać serwer, ale pasek pokazuje to przed wysłaniem dźwięku. Tę opcję możesz wyłączyć.
Ile miejsca zajmuje model?
Model rozpoznawania mowy Whisper large-v3-turbo zajmuje 547 MB. Aplikacja pobiera go raz, przy pierwszym dyktowaniu lokalnym albo po kliknięciu Pobierz model. Podczas przepisywania program używa około 750 MB pamięci, a potem ją zwalnia.
Czy dyktowanie Mantrego działa na Macu?
Nie. Pasek dyktowania do dowolnej aplikacji jest tylko w aplikacji Mantrego na Windows. Mantrego nie ma aplikacji na Maca ani iOS.

Źródła

  1. whisper.cpp, repozytorium projektu (licencja MIT)
  2. OpenAI: karta modelu Whisper large-v3-turbo (Hugging Face)
  3. Radford i in., Robust Speech Recognition via Large-Scale Weak Supervision (arXiv 2212.04356)
  • dyktowanie
  • Windows
  • Mantrego